Artificiell intelligens (AI) har funnits under en kort tid men anses redan vara en gamechanger på grund av dess transformativa potential. Men dess utveckling, underhåll och bortskaffande är alla ansvariga för ett stort koldioxidavtryck. Detta får människor att oroa sig för miljöpåverkan av AI. I den här bloggen ska vi gräva djupt i detta dolda dilemma.
Verklig miljöpåverkan av artificiell intelligens: negativ vs positiv
Bakom all AI finns en energiintensiv process med ett massivt koldioxidavtryck. Idag är AI-datacenter igång dygnet runt och använder energi som mestadels kommer från fossila bränslen . De står för nästan 2.5 till 3.7 % av de globala utsläppen av växthusgaser.
Du kommer att bli chockad över att enligt OpenAI-forskare har den datorkraft som krävs för att träna de bästa AI-modellerna fördubblats var 3.4:e månad sedan 2012. En nyligen genomförd studie av experter från University of Massachusetts, Amherst, undersökte också miljöpåverkan av att träna olika stora AI-modeller. De upptäckte att denna process kunde producera över 626,000 5 kg koldioxid . Det är nästan fem gånger utsläppen från en genomsnittlig amerikansk bil under sin livstid.
Tabellen nedan visar de stora positiva och negativa effekterna av AI:
| Positiva effekter | Negativa effekter |
| Hjälper till att bekämpa avskogning, skogsbränder, vilda djursjukdomar och övervaka biologisk mångfald. | Hög elförbrukning under träning. |
| Uppmuntrar initiativ till cirkulär ekonomi. | Potentiell ökning av resursanvändning som vatten och råvaror. |
| Optimerar jordbruks-, transport- och avfallshanteringsprocesser. | Bidrar till generering av elektroniskt avfall. |
| Förutsäger energianvändningsmönster och ökar energieffektiviteten. | Kan förvärra befintliga miljöproblem. |
| Förbättrar prestanda i förnybara energikällor. | Omfattande beräkningstid för träning eskalerar AI-utsläpp. |
| Hanterar elförsörjningen och ökar tillförlitligheten. | Fördomar i träningsdata kan leda till partiska beslut av AI-algoritmer. |
| Analyserar jord, förutsäger avkastning och identifierar skadedjur för hållbart jordbruk. | Högre energibehov när AI-användningen ökar. |
| Hjälper till med effektiv katastrofinsats. | Sötvattenintensiv träning bidrar till vattenbrist. |
| Underlättar skapandet av nya material. | Genererar koldioxidutsläpp som är jämförbara med flyg, vilket påverkar marginaliserade samhällen. |
| Stödjer insatser för bevarande av biologisk mångfald. | Energiförbrukning leder till luftföroreningar. |
Negativ påverkan av artificiell intelligens på miljön
Dess största nackdel är kopplad till datacenter eftersom de förbrukar mycket energi för att underhålla AI-modeller. Jämfört med vanliga byggnader använder de cirka 10 till 50 gånger mer energi per våning. I takt med att stora språkmodeller (LLM) som GPT-4 blir större fortsätter energianvändningen för dessa datacenter att öka . Låt oss diskutera några miljöutmaningar i samband med AI.
1. Ökad energiförbrukning
Tränings-AI-modeller förbrukar en enorm mängd elektricitet, som mestadels produceras av fossila bränslen. Allt detta resulterar i ökade utsläpp av växthusgaser.
Enligt US Office of Energy Efficiency and Renewable Energy står datacenter, inklusive de som används för AI, för nästan 2 % av den totala elförbrukningen i USA.
2. Ökad resursförbrukning
Användningen av AI i industrier som tillverkning kan öka förbrukningen av resurser inklusive vatten och råvaror. Detta kan skada miljön.
AI-utbildning är också beroende av GPU:er (grafikprocessorer). För deras produktion krävs sällsynta metaller och betydande vattenförbrukning.
3. Lägga till elektroniskt avfall
Detta avfall består av skadliga kemikalier, inklusive bly, kvicksilver och kadmium. Förutom att förorena vatten och jord kan de också orsaka betydande skador på människor och natur.
Världsekonomiskt forum förutspår att vi kommer att producera mer än 120 miljoner ton e-avfall varje år år 2050. För att förhindra att detta händer behöver vi bättre hantering och återvinning av e-avfall.
Korsreferens: Nuvarande hantering av e-avfall med hjälp av artificiell intelligens
4. Påverkan på naturliga ekosystem
AI som förarlösa bilar och leveransdrönare kan skada djur och natur. Detta kan leda till ökat avfall och konsumtion, särskilt inom e-handel, där varor levereras snabbt och ofta.
AI inom jordbruket kan också använda för mycket gödningsmedel och bekämpningsmedel. Detta kan skada vatten, jord och biologisk mångfald. Att använda AI för miljön ger också upphov till etiska problem. Vi måste balansera AI-fördelarna med att skydda naturen för att de ska kunna samexistera.
5. Ökat koldioxidutsläpp
Eftersom AI-verksamheter är ansvariga för att förbruka mycket energi, är de de största bovarna bakom ökade koldioxidutsläpp. Miljontals timmars datortid går åt till att träna nya generationer av AI-modeller. Detta ökar energiförbrukningen ytterligare.
Ofta är produktionen av denna energi också beroende av naturgas, olja, kol eller vattenkraft, vilka alla är viktiga källor till AI-utsläpp.
6. Främja partiskhet i beslutsfattande
Det största problemet som alla anti-AI har är relaterat till sannolikheten för att AI fattar partiska beslut. AI-algoritmer är starkt beroende av den data de tränas på. Partiska beslut kan orsaka partiskhet i denna data.
Att använda AI för att kontrollera miljön väcker en rad etiska bekymmer. Om dess algoritm tränas på data som gynnar ekonomisk tillväxt framför miljövård, kan den prioritera kortsiktiga ekonomiska vinster framför långsiktig miljöhälsa.
Korsreferens: Vad gör vi åt fördomarna inom AI?
7. Ökande energiefterfrågan
De nuvarande trenderna visar hur AI gradvis har tagit en plats i våra liv som ett hjälpmedel. Med tiden kommer dess användning att öka mer och så kommer dess energibehov att öka. Detta är alltså en stor bidragande orsak till utsläppen av växthusgaser.
Om till exempel nuvarande AI-trender fortsätter kan NVIDIA leverera nästan 1.5 miljoner AI-serverenheter varje år år 2027. Dessa servrar kan förbruka cirka 85.4 terawattimmar el årligen . Detta kommer till och med att överstiga energiförbrukningen i många små länder.
8. Bidra till vattenslöseri och luftföroreningar
Du kanske inte vet att AI-träningsmodeller kräver mycket färskvatten. Detta kan också bidra till vattenslöseri. En nyligen genomförd studie tyder på att ChatGPT behöver nästan 500 ml vatten för varje 20–50 frågor och svar för att kyla ner sina datacenter. Detta vatten kan bli förorenat med kemikalier och avfall. Så för att återanvända det kan extra behandling krävas.
Studien visade också att träning med GPT-3 kan ha förbrukat över 700 000 liter rent vatten . Tyvärr avdunstar vattnet under användning och kan inte återanvändas. Detta förvärrar problemet med vattenbrist. Den energi som AI använder kan också bidra till luftföroreningar, särskilt om den använder icke-förnybara energikällor.
Kolla också in Hur man minskar koldioxidavtrycket som student i skolan eller på högskolan
9. Har en brist på ansvarighet och öppenhet
Ofta är utveckling och användning av AI inte transparent eller ansvarsfull. Många företag prioriterar sin ekonomiska vinst och konkurrenskraft framför den potentiella miljöskadan som AI-teknik orsakar.
AI är också komplexa och på grund av denna komplexitet kämpar användare med att beräkna sitt verkliga miljöavtryck. Dessutom hindrar de dolda data och hemliga träningsmetoder som används för AI-utveckling en korrekt utvärdering av AI:s koldioxidavtryck eller miljöpåverkan. För att säkerställa att AI är i linje med miljöhänsyn måste vi utveckla och implementera transparenta procedurer och lagar.
10. Kan skada historiskt marginaliserade samhällen
Denna teknik används inom olika sektorer och genererar koldioxidutsläpp som liknar dem inom flygindustrin. Dessa ökade utsläpp är särskilt skadliga för de historiskt marginaliserade samhällen som bor i kraftigt förorenade områden. De är mer mottagliga för de hälsorisker som är förknippade med föroreningar.
Läs också: ChatGPTs törstiga datacenter dränerar vattenresurser
Positiv påverkan av artificiell intelligens på miljön
Överbelasta dig inte bara med dess negativa aspekter, den har många positiva också. Den har förmågan att analysera stora mängder data, som den från vädersatelliter. De andra positiva effekterna i samband med det diskuteras nedan:
1. Mildring av klimatförändringar
AI har en enorm potential att hjälpa oss att bevara naturen och bekämpa den. Den bidrar till snabbare och bredare övervakning av klimatförändringar. Dess data kan hjälpa oss att förutsäga naturkatastrofer korrekt . Detta underlättar inte bara effektiv evakuering utan minimerar också skador. Här är några sätt på vilka den bidrar till att mildra klimatförändringarna:
- Bekämpa avskogning: Genom att analysera satellitbilder hjälper det organisationer som WWF använda AI, som t.ex Skogsframsyn upptäcka och förhindra olaglig avskogning.
- Bekämpa skogsbränder: Genom att analysera data som kamerabilder kan det hjälpa till att lokalisera och förutsäga tillväxten av skogsbränder. Detta gör att brandmännen kan reagera mer effektivt.
- Upptäcka vilda sjukdomar: Det går snabbt att identifiera tecken på sjukdomar i vilda djur. Detta är till stor hjälp vid tidig upptäckt och förebyggande.
- Spåra biologisk mångfald: När AI kombineras med drönare och satellitbilder kan den effektivt övervaka förändringar i djurens beteende. Den kan inte bara spåra olika djurpopulationer utan också identifiera hot mot den biologiska mångfalden.
- Förhindra överfiske: AI-verktyg som Smart Boat Initiative kan hjälpa oss att övervaka fiskemetoder och förhindra illegal fiskeverksamhet.
Korsreferens: AI-baserad övervakning underlättar upptäckt av sjukdomar på gården
2. Bidra till cirkulär ekonomi
De kan bidra till en cirkulär ekonomi genom att
- Identifiera och återvinna återvinningsbart material: AI-styrda robotar är snabbare och effektivare när det gäller att sortera återvinningsbart material. De hjälper till att främja återvinning och minska utsläppen av växthusgaser.
- Återvinning och återanvändning av vatten: Du kan använda AI-verktyg för att övervaka vattenkvaliteten. De hjälper till att upptäcka föroreningar tidigt och hjälper även till med vattenreningsprocesser.
3. Optimera verksamheten
De optimerar verksamheten inom en mängd olika sektorer:
- Lantbruk: Inom denna sektor används AI-verktyg för att ha data om jord och väder. Detta bidrar inte bara till att förbättra precisionsjordbruket utan ökar också avkastningen.
- Transport: Dess verktyg kan användas för att optimera rutter och minska trafikstockningar. Sammantaget minimerar de utsläpp orsakade av transporter.
- Avfallshantering: AI kan användas för att förutsäga efterfrågan och optimera lager. Detta kan förbättra avfallshanteringsprocesserna för att minska avfallet och förbättra effektiviteten.
4. Att förbättra energieffektiviteten
Punkterna nedan visar hur AI kan förbättra denna effektivitet:
- Förutsäga energianvändning: Den kan förutsäga energiförbrukningsmönster och kan identifiera områden för energibesparing.
- Optimera kylsystem: Företag som Google använder AI för att optimera kylsystem. Detta minskar inte bara energiförbrukningen utan också koldioxidutsläppen.
5. Stöd till förnybar energi
Det stöder också blomningen av förnybara energikällor som sol- och vindkraft. Det gör det genom att prognostisera deras energiproduktion, förbättra deras prestanda och effektivisera deras underhåll.
Till exempel använder GE Renewable Energy AI i sina vindkraftverk. Dessa turbiner har sensorer och AI-algoritmer som kan förutsäga förändringar i vindförhållandena. De justerar sedan turbinernas drift därefter. Denna förutsägande förmåga ökar inte bara deras energiproduktion utan säkerställer också att turbinerna går effektivt.
6. Assisterande smarta nät
AI hjälper till att göra energinät smartare. Den granskar information från sensorer och mätare. Denna information hjälper energibolag att hantera elförsörjning och -efterfrågan. Detta minskar energislöseri ytterligare och förbättrar tillförlitligheten.
Microsoft använder även AI för att öka energieffektiviteten i sina datacenter. Som en del av sina hållbarhetsmål siktar de på att bli koldioxidnegativa år 2030.
7. Att hjälpa ett hållbart jordbruk
AI kan vara ett bra stöd inom hållbart jordbruk. Du måste vara nyfiken. Den kan analysera jorddata och prognostisera skördar. Den kan också upptäcka skadedjurs- och sjukdomsutbrott. De kan hjälpa jordbrukare att maximera sin grödoproduktion. De främjar minimal användning av gödningsmedel och bekämpningsmedel.
FarmWise är ett exempel på AI som används inom hållbart jordbruk. Det använder AI-drivna robotar för att korrekt identifiera och ta bort ogräs från åkrar. Detta minskar behovet av kemiska herbicider och bidrar till att stödja deras hållbara jordbruksmetoder.
8. Assistera vid katastrofinsatser
AI kan påskynda tekniska framsteg. Detta kan vara revolutionerande inom katastrofinsatser. AI-verktyg kan ge exakta förutsägelser om större miljöhändelser som väderförändringar, erosion och jordskred. Om vi har mer exakt kunskap om hur en katastrof inträffar kommer vi att vara mer redo att bekämpa den.
9. Skapa nytt material
Denna teknik kan också vara till hjälp vid skapandet av miljövänliga material. De kan utformas för att ha vissa egenskaper som lätta eller starka. Vi kan använda sådana material för byggnation eller flygindustrin.
Om vi kan tillverka materialen från förnybara källor kommer vi också att minska vårt beroende av fossila bränslen. Detta kommer också att minimera miljöskadorna i samband med materialproduktion.
10. Främja biologisk mångfald
Detta är en av de största positiva miljöeffekterna av AI. Den hjälper till att skydda olika ekosystem och arter. Den kan analysera stora mängder data. Den använder denna förmåga för att analysera data om population, livsmiljö och hot relaterade till olika ekosystem och arter.
Låt oss nu diskutera förhållandet mellan AI och miljömässig hållbarhet. Det kommer att hjälpa oss att avgöra om de kan samexistera.
Se även: Urtopia presenterar världens första elcykel integrerad med ChatGPT
Är miljömässig hållbarhet möjlig genom AI?
Ja, AI kan vara till stor hjälp för att förbättra miljömässig hållbarhet. Några av de sätt på vilka det kan möjliggöra miljömässig hållbarhet diskuteras nedan.
- För jordbruket kan den användas för att övervaka miljöförhållanden och skördar. Det kan till och med bidra till att minska användningen av vatten och gödningsmedel.
- Det kan optimera vattenanvändningen och ge effektiv förvaltning av vattenresurser. Man försöker sänka ledningens kostnader och miljöpåverkan.
- I tillverkningen kan det hjälpa göra exakta systemdesigner. Detta kan bidra till att minska avfallet och energianvändningen i produktionen.
- Genom att återvinna värme och spåra beläggning kan den optimera energianvändningen i byggnader. Så kan det vara utmärkt för anläggningsförvaltning.
- AI med satellitbilder hjälper upptäcka förändringar i markanvändning och växtsjukdomar tidigt. Detta bidrar till en hållbar användning av mark.
- Det kan övervaka luftföroreningar nivåer och varna stadsbor för föroreningskällor.
- Det kan hantera energiförsörjningen effektivt och har förbättrat prognoserna för produktion av förnybar energi.
- Den upptäcker föroreningar tidigt och därmed minskar utsläppen av växthusgaser från fordon.
- Det kan hjälpa bevara naturresurserna. Det görs genom att effektivisera jordbruksinsatserna, minska avfallet i tillverkningen och optimera energianvändningen i byggnader.
Se även: Topp 15+ startups som utvecklar AI för energieffektivitet
Tankar om Generative AI Sustainability av tekniska VD:ar och Business Schools
Detta är en annan typ av artificiell intelligens som kan skapa olika typer av innehåll inklusive bilder, ljud, text och syntetiska data. Den senaste tidens spänning kring det beror på dess lättanvända gränssnitt, som låter användare göra förstklassig text, grafik och videor snabbt.
Detta är vad de berömda tekniska vd:arna, företagen och handelshögskolorna har att säga om Generative AI:
1. Enligt Paul Daugherty , Accentures Chief Technology and Innovation Officer, förespråkar deras företag ett aktivt engagemang i generativ AI. Han säger att företag bör dyka in i det, använda det, experimentera och skaffa sig förstahandserfarenhet . Denna strategi följs även internt inom Accenture .
2. Enligt IBM kan generativ AI förbättra företagens resurseffektivitet. Den kan göra det genom att analysera data för energidistribution i realtid, vilket minskar kostnader och utsläpp. Den hjälper VD:ar att utforma hållbara företag. Detta säkerställer att ideal omsätts i handlingsbara strategier och mätbara resultat. Detta kommer att hjälpa ledningen att effektivt möta intressenternas förväntningar.
3. Harvard Business Review konstaterar att generativ AI kan öka kreativiteten hos anställda och kunder. Den kan hjälpa till att generera och upptäcka nya idéer och förbättra deras kvalitet. Den kan också främja divergerande tänkande, motverka expertisbias, utvärdera idéer, förfina dem och främja samarbete.
4. EY nämner ett annat intressant faktum. De upptäckte att nästan 70 % av VD:arna inser vikten av att använda generativ AI (GenAI) för att förbli konkurrenskraftiga. Men 68 % är också ganska osäkra på denna teknik. Denna brist på säkerhet hindrar deras förmåga att agera snabbt.
5. Enligt Deloittes analys kan effektiv digital transformation öka marknadsvärdet med upp till 1.25 biljoner dollar . Och Gen AI kommer att fungera som en viktig katalysator för att åstadkomma denna förändring. Med en fördubblad Gen AI-marknad vartannat år, förutsäger prognoser att AI-drivna produktivitetsförbättringar kan öka den globala BNP med 7 biljoner dollar under det kommande decenniet.
Så generativ AI är fortfarande nytt men prisas säkert för sina förmågor. Det kan förbättra din kreativitet, öka resurseffektiviteten och till och med driva digitala transformationer. Även om den verkliga miljöpåverkan av AI är erkänd, är VD:ar fortfarande lite osäkra på hur det ska användas. För mer sådant informativt innehåll, håll utkik på vår webbplats.
Rekommenderas: 20+ uppfinningar som behöver uppfinnas för att hjälpa världen
